1. The AI-Native SDLC playbook
- 作者/来源： Louis Claxton / Anthropic
- 发布日期： 2026-08-21
- 原文： https://claude.com/blog/the-ai-native-sdlc-playbook
推荐理由： 这篇不是继续讨论“怎样让 coding agent 多写一点代码”，而是直接承认 code 已经不再是主要瓶颈：当 build 从几天压缩到几小时，真正拖慢交付的会变成 plan、review/test、deploy 和 governance。Anthropic 给出的解法，是把 SDLC 从线性人工 handoff 改成由版本化 artifact、自动触发器和人工 gate 组成的循环。
核心要点：
- Artifact 成为跨阶段协议。
intent.md、spec.md、plan.md、CLAUDE.md不只是文档，而是 human-readable + machine-actionable 的状态载体；一个阶段接受某个 artifact 后，commit / merge 本身可以触发下一阶段，让 handoff 从“人去通知人”变成事件驱动的 workflow。 - Agent 配置也要像代码一样做回归测试。 Anthropic 建议把真实历史任务做成 eval suite，并在
CLAUDE.md、skills、hooks 变化时自动跑；生产事故也转成永久 regression eval。也就是说，prompt / skill / harness 不再是随手改的配置，而是需要 CI gate 的工程资产。 - 自动化不等于取消控制。 CI 中的 agent job 先从 read-only triage 开始，再逐步开放写权限；写入通过 PR、branch protection 和已有测试进入主干，执行环境使用 sandbox 和短期 scoped token，deploy / rollback 通过 allowlisted MCP tools 暴露。人的注意力从每一步操作转移到关键 gate 和异常决策。
2. SemaPLC: A Project-Grounded, Verification-Gated Agent Harness for PLC Code Generation
- 作者： Yanlun Tu、Huacan Wang、Ziyue Zhou、Jie Zhou、Ningyan Zhu、Ge Chen、Wangyi Chen、Tengfei Zhou、Yifan Zhou、Dasheng Yang、Xiaofeng Mou、Hui Zhang、Yi Xu
- 发布日期： 2026-08-19
- arXiv： https://arxiv.org/abs/2608.18565
- AlphaXiv： https://www.alphaxiv.org/abs/2608.18565
- 代码： https://github.com/midea-ai/SemaPLC
推荐理由： 这篇把 coding-agent harness 带到真正高约束的软件环境：PLC 代码不仅要“看起来对”，还必须能集成到现有工程、通过编译，并在真实 runtime 上表现正确。它非常清楚地展示了一个可迁移到普通软件工程的原则：Agent 不能自己宣布 done，完成状态必须由外部可执行证据决定。
核心要点：
- SemaPLC 使用严格的 verification gate：只有 specification check、integrated compilation 和 runtime behavior 都被日志化的外部检查确认后，任务才算完成；Agent 的自评不参与最终完成判定。
- 在 117 个独立 POU 任务上，7 个模型的 mean strict verified pass rate 达到 72.6%；在 65 个 project-context 任务上，它也在 integrated compilation、static behavior 和 dynamic behavior 三层取得最高平均结果。
- 最值得注意的是 static score 会掩盖真正的运行时差异：各方法静态指标相差不大，但 live PLC runtime 的 dynamic behavior 分数，基线只有 22.4–31.4，SemaPLC 达到 52.2。对 AI-native software factory 的启示很直接：最终 verifier 应尽量贴近真实 execution，而不是停在 lint、静态检查或 LLM judge。